店舗送客の効果を、どう測るか

「オンラインの施策で来店が増えたか」を聞かれて、答えに詰まる場面は多いです。ECなら購入まで一本でつながりますが、来店は途中で線が切れます。

ここで完全に測ろうとすると、いつまでも始まりません。測れる範囲を先に決めて、それ以外は測れないと明示します。この割り切りが要ります。

問題：線が切れる場所

オンラインの接触（広告・メール・アプリ通知）
   ↓  ここは記録が残る
サイトやアプリでの行動
   ↓  ← ここで線が切れる
来店
   ↓
店舗での購入

切れる理由は単純で、来店した人が「オンラインで見たから来た」と名乗らないからです。名乗らせる仕組みを作るか、推定するかのどちらかになります。

測り方の4つの型

型	仕組み	精度	手間
1. 引換の仕掛け	クーポン・予約・取り置きを経由させます	高いです	中
2. 会員IDでの突合	オンライン接触と店舗購入を会員IDでつなぎます	高いです	高い（統合が前提）
3. 対象と非対象の比較	配信した層としなかった層で来店率を比べます	中	低いです
4. 地域・期間の比較	施策を出した地域と出さない地域で比べます	低いです	低いです

まず3番から始めます。仕組みを作らずに始められて、比較の考え方も身につきます。

型1：引換の仕掛けを経由させる

オンラインから店舗へ行くときに、必ず通る場所を作ります。

仕掛け	測れるもの	注意
店舗で使えるクーポン	使用された件数	使わない人は測れません
取り置き・在庫確認	申込件数と来店率	対象商品が限られます
来店予約	予約数と来店率	予約文化のない業態では使えません
アプリの提示	提示件数	店舗オペレーションの協力が要ります

**どれも「使った人しか測れない」**です。使用率が3割なら、実際の送客はその3倍以上あります。ここを混同しません。

計測の設計は次のとおりです。

記録する項目	用途
発行日時・発行経路	どの施策からか
使用日時・使用店舗	どこで、いつ
会員ID	同一人物の追跡
購入金額	効果の金額換算

型2：会員IDで突合する

店舗とECの会員が統合されていることが前提です。

オンラインで接触した会員IDの一覧
   ↓
その中で、一定期間内に店舗購入した人の数
   ↓
接触していない会員の来店率と比較する

この型の落とし穴は、接触した人がもともと来店しやすい層であることです。メールを開く人は、もともと関心が高いです。この差を施策の効果と誤認しやすいです。

対処は次のどれかです。

対処	内容
ランダムに配信を分けます	同じ条件の人を2つに分け、片方にだけ配信します
属性を揃えて比べます	購入回数・最終購入日が近い層どうしで比べます
過去の来店率で補正します	施策前の来店率の差を引きます

ランダムに分けるのが最も確実です。配信対象を1割だけ除外し、その1割と比べます。

型3：対象と非対象を比べる

仕組みが無くてもできます。

配信対象：10,000人 → 期間内に来店購入 420人（4.2%）
配信しない：1,000人 → 期間内に来店購入 310人 ÷ 1,000 = 3.1%

差：1.1ポイント
施策による来店：10,000 × 1.1% ＝ 110人

配信しない層を必ず作ります。「全員に配信したほうが売上が立つ」という反論は出るが、比較対象がないと効果を一度も証明できません。

除外する割合は5〜10%で足ります。

型4：地域や期間で比べる

店舗ごとに施策を出し分けられる場合に使います。

比べ方	注意
施策を出した地域と出さない地域	商圏の規模・客層を揃えます
施策の前後の期間	季節・天候・近隣の競合の影響が混ざります

精度は低いです。他の型が使えない場合の最後の手段として扱い、結論は「傾向」までにとどめます。

何をもって効果ありとするか

測り方を決めたら、判断の基準を先に書きます。

施策：
測り方：（型1〜4のどれか）
主指標：来店購入率
比較対象：配信除外群（全体の10%）
計測期間：配信日から14日間
効果ありとする条件：来店購入率が相対で15%以上高い
金額換算：来店購入率の差 × 対象人数 × 平均購入金額

期間を先に決めます。来店は時間差が大きく、期間を伸ばせばいくらでも数字が積み上がります。

測れないものを明示する

報告資料に1行入れます。

※ 本施策の効果は、クーポン使用者および会員IDで突合できた
　 購入のみを対象としている。会員証を提示しない購入、
　 現金のみの購入は含まない。実際の送客はこれより多い。

測れない範囲を書いたほうが、数字が信用されます。書かずに過小な数字を出すと「効果がない」と誤読されます。

やること

手順1. 店舗側の購入データに何が残るか確認する

確認する項目	有無
会員ID
購入日時
店舗コード
商品・金額
決済方法

会員IDが残っていなければ、型2は使えません。ここで使える型が決まります。

手順2. 会員証の提示率を数える

店舗購入のうち、会員IDが記録されている割合を出します。

提示率	使える型
7割以上	型2が使えます
3〜7割	型2は参考値。型1・3と併用
3割未満	型1・3を中心にします

手順3. 配信除外群を作る

配信システムの設定で、対象の5〜10%を毎回除外します。除外する人は固定しません。毎回ランダムに選び直します。

手順4. 1施策1行で記録する

日付	施策	測り方	対象	除外群	差	判断

失敗例

失敗	何が起きるか	代わりにやること
完全に測ろうとします	設計が終わらず、何も始まりません	測れる範囲を決めて始めます
配信除外群を作りません	効果を一度も証明できません	5〜10%を毎回除外します
接触した層としない層をそのまま比べます	もともとの関心度の差を効果と誤認します	ランダムに分けます
クーポン使用数を送客数として報告します	実際より大幅に少なく見えます	測れない範囲を明記します
期間を決めずに集計します	数字を後から積み増せます	配信前に期間を固定します
測れない範囲を書きません	「効果がない」と誤読されます	脚注に1行入れます
除外する人を固定します	特定の層が常に施策を受けられません	毎回ランダムに選び直します

まとめ

来店は途中で線が切れます。完全に測ろうとすると始まりません
測り方は4つです。引換の仕掛け／会員IDの突合／対象と非対象の比較／地域・期間の比較
仕組みが無くても、配信除外群との比較は今日から始められます
接触した層はもともと関心が高いです。ランダムに分けないと効果を過大に見てしまいます
クーポン使用数は送客数ではありません。使わない人が大半
測れない範囲を脚注に書きます。書いたほうが数字が信用されます
期間を先に固定します。来店は時間差が大きく、伸ばせば積み上がります

最初にやることは、店舗の購入データに会員IDがどのくらい残っているかを数えることです。その割合で、使える測り方が決まります。